Видео недоступно для предпросмотра
Смотреть в Max
Собираем AI-финансового аналитика. Часть 2: подключаем DeepSeek по API
Коллеги, мы разобрали «Что такое API», теперь можем продолжить собирать собственного AI-финансового аналитика.
В первой части я показала, как из закрытой Google Таблицы собрать запароленный автообновляемый дашборд.
Теперь следующий шаг - подключить к нему DeepSeek, который сможет анализировать показатели, находить аномалии и формулировать финансовые выводы.
Для этого нам понадобится API DeepSeek.
На платформе DeepSeek можно:
В видео показываю, как пополнить баланс, а затем прошу Claude Code проверить актуальную стоимость моделей DeepSeek и объяснить, для каких задач подходит каждая из них.
Главный вывод: использование DeepSeek по API обходится достаточно недорого.
Например, AI-комментарий к дашборду раз в день на модели Flash будет стоить практически ничего. Даже если регулярно использовать более сложную модель Pro, бот и дашборд в нашем сценарии могут укладываться примерно в 3–5 долларов в месяц.
При этом важно понимать: сам дашборд по API не собирается.
Сначала мы создаём его при помощи Claude Code или Codex, а затем подключаем DeepSeek внутрь уже готового продукта. Например, чтобы по кнопке «Объясни эту цифру» нейросеть анализировала динамику, находила отклонения и формулировала выводы.
Теперь у нас есть:
✅ закрытый автообновляемый дашборд;
✅ доступ к DeepSeek по API;
✅ понимание, какую модель использовать для разных задач.
В третьей части создадим Telegram-бота, который будет знать данные нашего дашборда, проводить финансовый анализ и готовить ежемесячную презентацию.
Поставьте 🔥, если ждёте третью часть со сборкой финансового бота.
Коллеги, мы разобрали «Что такое API», теперь можем продолжить собирать собственного AI-финансового аналитика.
В первой части я показала, как из закрытой Google Таблицы собрать запароленный автообновляемый дашборд.
Теперь следующий шаг - подключить к нему DeepSeek, который сможет анализировать показатели, находить аномалии и формулировать финансовые выводы.
Для этого нам понадобится API DeepSeek.
На платформе DeepSeek можно:
▫️пополнить баланс;
▫️получить секретный ключ;
▫️видеть расход токенов;
▫️контролировать, сколько денег потрачено на обращения к нейросети из дашборда, бота или другого продукта.
В видео показываю, как пополнить баланс, а затем прошу Claude Code проверить актуальную стоимость моделей DeepSeek и объяснить, для каких задач подходит каждая из них.
Главный вывод: использование DeepSeek по API обходится достаточно недорого.
Например, AI-комментарий к дашборду раз в день на модели Flash будет стоить практически ничего. Даже если регулярно использовать более сложную модель Pro, бот и дашборд в нашем сценарии могут укладываться примерно в 3–5 долларов в месяц.
Flash - рабочая модель для большинства регулярных задач:
▫️типовых ответов;
▫️классификации сообщений;
▫️извлечения данных из текста;
▫️простого анализа показателей;
▫️ежедневных комментариев к дашборду.
Pro можно подключать точечно для более сложных задач:
▫️многошагового финансового анализа;
▫️поиска расхождений между отчётами;
▫️прогнозирования кассового разрыва;
▫️расчёта юнит-экономики;
▫️анализа причин, почему прибыль есть, а денег нет.
При этом важно понимать: сам дашборд по API не собирается.
Сначала мы создаём его при помощи Claude Code или Codex, а затем подключаем DeepSeek внутрь уже готового продукта. Например, чтобы по кнопке «Объясни эту цифру» нейросеть анализировала динамику, находила отклонения и формулировала выводы.
Теперь у нас есть:
✅ закрытый автообновляемый дашборд;
✅ доступ к DeepSeek по API;
✅ понимание, какую модель использовать для разных задач.
В третьей части создадим Telegram-бота, который будет знать данные нашего дашборда, проводить финансовый анализ и готовить ежемесячную презентацию.
Поставьте 🔥, если ждёте третью часть со сборкой финансового бота.